数据仓库在证券业的应用随着数据仓库技术的发展，在线分析、数据挖掘已渐渐获得了券商的青睐，但数据仓库在证券业中却鲜有成功的案例，大部分券商对数据仓库也都持观望的态度，对数据仓库的应用仅限于研究阶段。那么究竟数据仓库的“行”在何处：它可以为我们带来什么？为什么“不行”：它的应用为什么不能达到其预期的效果？怎样才能使数据仓库从“不行”的模式转到到“行”的模式？本文试对此进行探讨，并认为数据的集中统一是数据仓库应用的基础；确立合理的数据模型是数据仓库应用的核心；高效的应用系统是数据仓库应用的动力；良好的外部环境是数据仓库成功应用的外部保障。数据仓库的“行”这里所说的数据仓库的“行”主要是指数据仓库可以做什么，它的使用能为证券业带来哪些好处，为什么对券商来说是一个行之有效的工具。数据仓库（DataWarehouse）是在数据库基础上发展而来的，是一个面向主题的、集成的、稳定的、不同时期的数据集合，用以支持企业经营管理中的决策过程。它通常由三个部分构成：数据仓库、联机分析处理及数据挖掘，它们之间具有极强的互补关系。数据仓库用来对大量的数据按一定的结构进行组织存储；联机分析处理则可进行灵活丰富的多维分析与查询，可以从不同的角度去分析企业的运作情况，并对未来进行预测；数据挖掘则是对现有数据进行深层次的研究分析，从中找出对经营管理有用的结论。由上述对数据仓库的叙述，不难看出特别是对券商这种数据密集型的企业而言，数据仓库技术的应用在以下三个方面有其得天独厚之处和现实的意义：提升客户服务虽然大部分券商已积累了大量的客户信息和交易数据，但现在还没有办法对客户的贡献度、盈亏情况、持仓情况及操作习惯等进行统计和分析，为客户提供针对其个人习惯的投资组合建议。而通过建立数据仓库，为客户资料的统计分析提供基本的信息源和辅助工具，已成为券商提高市场竞争能力和客户服务水平的关键。提高资产质量数据仓库中强大的分析和预测功能为此提供了有力的支持，可根据股市行情走势、上市公司的资料以及宏观微观经济数据等对未来市场进行预测，为客户和自有资产的经营管理提供合理的建议，从而有效地提高资产质量、防范经营风险。降低成本数据仓库的建立可使券商更加及时、准确地掌握自身的经营状况、资金情况、利润情况、客户群分布等重要的信息，从而能有效地提高管理水平、降低经营成本，使整个证券公司的经营管理更加高效、科学、规范。数据仓库的“不行”虽然从理论上说数据仓库技术的应用可以为券商带来很大的收益，但实际情况却并不尽如人意，完全意义上的数据仓库的应用在证券业中还鲜有成功的案例，这也使得相当部分券商对它“望而却步”，为什么数据仓库从“行”变成了“不行”，不能有效发挥其应有的作用呢？究其主要原因就是数据仓库技术没有做到与证券业务的有机融合。系统平台不统一目前大部分券商所用的业务系统平台并不统一，如交易系统用一种软件，清算系统又用另一种软件，还有的证券公司中各家营业部所采用的业务系统的平台也不一样，而且大部分采用的都是分布的管理模式，这种情况造成了数据的分散、数据结构的多样。而数据仓库的基础是大量集中的、丰富的、按统一规则组织存放的数据，分散的、结构不同的数据使得数据采集困难，数据仓库不能有效地发挥其作用。技术与业务部门欠协调数据仓库的提出和应用通常都是技术部门在其中扮演重要角色，业务部门参与得较少，但实际上没有业务部门与技术部门之间的很好协调，数据仓库是不可能应用成功的。因为数据仓库技术是管理科学、计算机科学、网络科学和分析手段的大融合，从技术上来说数据库技术的发展已使数据仓库的实现并不困难，而关键在于怎样使用它。数据仓库的成功使用离不开管理思想和业务经验的完美结合，在有了相应的技术支持以后，只有同时具备丰富的业务经验和先进的管理思想的使用者才能成功使用数据仓库，得到有用的信息。缺乏管理经验数据仓库不乏失败的案例，如美国在对越战争中根据越军对美军攻击的时间和次数而得出了一个“越军在有月亮的晚上最易展开攻击”的无用结论。数据仓库使用时一个重要问题是建立模型，数据仓库的产品一般可使用多种建模方法，如关联法、依赖法、时序法、神经网络以及利用统计分析等等，然后利用模型去对问题进行分析得出相应结论，建立在数据仓库之上的系统都是决策支持系统。而要进行决策，针对一个具体的问题怎样分析，从什么角度进行分析，何种因素是主要的、何种因素是次要的，采用何种方法建模以及怎样建模都要依使用者的经验而定，这就要求使用者对相关的业务非常熟悉并具备相应的管理和分析能力，否则得出的结论就很可能是无用的。而对我国大部分券商而言，缺少的恰好就是这种经验，而且券商经营管理中的不规范也为数据仓库的成功应用增加了难度。受政策影响较大人们将市场对经济的自动调节比喻为“一只看不见的手”，而股市则是反映经济情况的晴雨表，经济学家一直试图通过对市场